美国服务器运行Spring Boot响应变慢,如何区分应用与资源瓶颈?

发布人:A5数据发布时间:2026-10-13 17:18阅读量:135

单看美国服务器的 CPU 使用率,无法判断 Spring Boot 接口为什么变慢。CPU 只有 40% 时,线程池可能已经排满,数据库连接池也可能在等待;CPU 达到 90% 时,慢响应也可能来自频繁 GC、磁盘 I/O 或网络重传。更可靠的判断方式,是把同一时间窗口内的响应时间、请求量、入口耗时、应用队列、数据库等待、CPU、内存、I/O 和网络指标放在一起比较。

如果慢响应主要出现在 DNS、TCP、TLS 或美国服务器入口之前,重点应放在链路和接入层;如果 Nginx 已经快速把请求转给后端,但 Tomcat、数据库连接池或下游调用持续排队,则更接近应用或依赖服务瓶颈;如果应用处理时间上升的同时 CPU、GC、I/O 或网络指标同步变化,才可以进一步判断具体资源方向。

先固定一次可比较的观察窗口

排查开始时不要先执行重启、扩容或修改线程池参数。先建立一段能够对照的时间窗口,否则修复动作可能会清除现场,后续只能凭感觉推断。

建议至少保留两段数据:

  • 一段正常窗口,例如故障前后各 10~15 分钟。
  • 一段慢响应窗口,例如连续出现高延迟的 10~30 分钟。

如果慢响应具有明显周期性,应覆盖完整的一个周期,例如定时任务启动、批量同步或数据库备份前后。所有主机、数据库、监控系统和日志最好统一使用 UTC,或者至少明确美国服务器所在时区与业务系统时区,避免把不同分钟的数据错误对齐。

先确认比较对象

同一个接口在不同请求参数、不同响应大小和不同客户端地区下,性能可能完全不同。记录观察窗口时,至少区分以下维度:

维度需要记录的内容排查价值
请求入口域名、端口、协议、是否经过 CDN 或负载均衡判断慢在公网链路、边缘层还是源站
路由具体 URI、HTTP 方法、版本和关键参数类型避免把慢查询接口与静态接口混在一起
流量每秒请求数、并发请求数、请求来源区域判断响应变慢是否由流量变化触发
响应p50、p95、p99、平均值、响应体大小区分少量长尾与整体变慢
结果2xx、4xx、499、502、503、504 和超时数量判断延迟是否已经演变为容量或链路错误
变更发布、配置修改、定时任务、备份、扩容和故障切换时间排除时间上的替代解释

平均响应时间适合观察整体趋势,但不适合单独判断长尾。比如 90% 请求耗时 100 毫秒,10% 请求耗时 3 秒,平均值可能仍然不高,但 p95 和 p99 已经能反映用户感知到的卡顿。

还可以用一个近似关系检查并发是否正在积压:

并发请求数 ≈ 请求速率 × 平均响应时间

例如接口流量稳定在每秒 120 个请求,平均响应时间从 0.5 秒升到 2.2 秒,应用中的平均在途请求数大约会从 60 个增加到 264 个。即使 CPU 没有明显上升,线程池、连接池或反向代理也可能因为在途请求增加而排队。

先把响应时间拆到链路各段

从客户端到 Spring Boot,通常要经过以下链路:

先把响应时间拆到链路各段配图

  1. DNS 解析。
  2. 客户端到美国服务器或边缘节点的 TCP 建连。
  3. TLS 握手。
  4. CDN、负载均衡或 Nginx 接收请求。
  5. Nginx 与 Spring Boot 建立或复用上游连接。
  6. Spring Boot 分配 Web 线程或事件循环处理请求。
  7. 应用访问数据库、缓存或外部服务。
  8. 响应从应用返回入口,再传回客户端。

“总耗时变长”只说明某一段或多段变慢,不能直接证明 JVM 或服务器资源不足。

用客户端分段时间区分入口问题

可以从固定探测点对同一个接口重复采样。下面的命令只用于观察,不会修改服务:

curl -sS -o /dev/null \
  -w 'dns=%{time_namelookup} connect=%{time_connect} tls=%{time_appconnect} starttransfer=%{time_starttransfer} total=%{time_total} code=%{http_code} size=%{size_download}\n' \
  'https://example.com/api/orders?id=1001'

这些字段可按以下方式理解:

  • time_namelookup:DNS 解析耗时。
  • time_connect:TCP 建连完成的时间。
  • time_appconnect:TLS 握手完成的时间,HTTPS 场景有效。
  • time_starttransfer:收到首字节的时间,通常包含服务端处理等待。
  • time_total:完整响应结束时间。
  • size_download:响应体大小。

如果 time_starttransfer 和 time_total 同时增加,而 DNS、TCP、TLS 基本稳定,优先看源站处理和上游依赖。如果首字节时间接近正常,但 time_total 明显增加,需要检查响应体大小、下行带宽、客户端接收速度和网络重传。

美国服务器的地理位置也不能单独证明网络有问题。应使用与实际用户接近的探测点进行对比,并记录探测点所在区域。来自亚洲用户的 TCP 或 TLS 时间变长,不等于美国服务器本地应用变慢;反过来,美国服务器本地探测正常,也不代表所有跨区域用户都正常。

在 Nginx 入口记录上游耗时

如果 Nginx 是 Spring Boot 前面的反向代理,可以记录请求总耗时和上游各阶段耗时。下面是示例配置,需根据现有配置的 http 和 server 层级合并,不能直接覆盖生产配置:

http {
    log_format timing
        '$remote_addr [$time_iso8601] '
        '"$request" status=$status bytes=$body_bytes_sent '
        'request_time=$request_time '
        'upstream_connect_time=$upstream_connect_time '
        'upstream_header_time=$upstream_header_time '
        'upstream_response_time=$upstream_response_time '
        'upstream_status=$upstream_status '
        'request_id=$http_x_request_id';

    access_log /var/log/nginx/access_timing.log timing;

    server {
        listen 443 ssl;
        server_name example.com;

        location / {
            proxy_pass http://spring_boot_upstream;
        }
    }
}

修改前应备份现有配置,并确认日志目录、磁盘空间和权限。检查与加载配置时,可以先执行:

sudo nginx -t
sudo systemctl reload nginx

reload 通常不会中断已有连接,但仍应按照现有发布流程执行。若新日志格式导致配置加载失败,恢复备份配置后再次执行 nginx -t,确认通过后再加载。

常用字段的组合比单个字段更有意义:

观察组合更接近的判断仍需排除的解释
request_time 上升,upstream_response_time 基本稳定Nginx 到客户端发送、请求接收或外部网络阶段变慢响应体变大、客户端读取慢、代理层限速
upstream_connect_time 上升Nginx 连接 Spring Boot 变慢后端连接队列、连接复用失效、实例过载、端口或文件描述符不足
upstream_header_time 上升应用迟迟没有返回首字节Web 线程排队、数据库等待、GC、下游调用变慢
upstream_response_time 与 request_time 同步上升服务端处理或返回过程整体变长响应体大小增加、网络发送受阻
出现 502/503/504,同时 upstream 时间升高后端超时、拒绝连接或实例不可用负载均衡健康检查、部署、连接数上限
499 增多但 5xx 不明显客户端或上游代理在服务端返回前主动断开客户端超时过短、链路丢包、用户侧取消请求

upstream_header_time 适合定位“服务端迟迟没有开始返回”,但它不等于数据库耗时。需要继续用应用指标、分布式追踪或日志中的阶段耗时拆分。

从 Web 入口判断是否已经开始排队

Spring Boot 的 Web 入口通常是嵌入式 Tomcat、Jetty、Undertow,或基于 Netty 的 WebFlux。不同运行模型的指标名称和排队位置不同,因此不能把 Tomcat 指标直接套到 WebFlux 应用上。

关注请求量、并发和队列的同时变化

在慢响应窗口中,优先查看以下指标:

  • 每秒进入请求数和每秒完成请求数。
  • 当前在途请求数。
  • p50、p95、p99 响应时间。
  • Web 线程忙碌数、最大线程数或事件循环阻塞情况。
  • 连接数、活动连接数、等待连接数。
  • 502、503、504、客户端超时和客户端断开数量。

如果请求进入速率大于完成速率,在途请求数会持续增加。此时响应时间上升通常不是一个孤立的延迟问题,而是已经形成排队。排队可能发生在 Nginx、Tomcat、应用线程池、数据库连接池或某个下游客户端连接池。

Spring Boot Actuator 或 Micrometer 中常见的指标包括:

  • http.server.requests
  • jvm.gc.pause
  • jvm.memory.used
  • tomcat.threads.busy
  • tomcat.threads.config.max
  • hikaricp.connections.active
  • hikaricp.connections.pending
  • hikaricp.connections.acquire

具体名称会受 Spring Boot、Micrometer、Web 容器和标签配置影响。启用 Actuator 时,不要把管理端点直接暴露到公网;应限制管理端口、来源地址和访问权限,并只开放确实需要的端点。

线程池满不一定代表 CPU 不够

Tomcat 忙碌线程接近上限时,可能存在几种完全不同的原因:

  • 线程正在执行大量 CPU 计算。
  • 线程在等待数据库连接。
  • 线程在等待慢 SQL、锁或外部 HTTP 服务。
  • 线程被同步锁、文件 I/O 或网络读写阻塞。
  • 单个请求处理时间增加,使线程长时间不能归还线程池。

因此,tomcat.threads.busy / tomcat.threads.config.max 需要和 CPU、线程栈、数据库连接池和下游调用耗时一起观察。线程池达到上限而 CPU 仅有 35%,并不能说明服务器还有充足处理能力;它可能只是大量线程都在等待。

对于 WebFlux,CPU 不高但响应变慢时,还应检查事件循环是否被阻塞调用占用,例如在响应式链路中执行同步 JDBC、文件读写或阻塞式 HTTP 调用。此时不能仅看传统 Tomcat 线程指标。

进入应用内部:区分计算、等待和外部依赖

Spring Boot 应用的处理时间通常可以分为:

Web 入口排队 + 业务代码执行 + 数据库访问 + 缓存访问 + 外部服务调用 + 响应序列化与发送

分布式追踪能较直观地呈现这些阶段。如果暂时没有追踪系统,也可以在入口日志、Service 日志、数据库慢查询日志和外部调用日志中使用统一的请求 ID。请求 ID 应从入口生成或校验后向下游传递,避免只凭时间戳拼接请求。

建议至少为以下阶段记录耗时:

  • Controller 接收到请求到开始执行。
  • 关键业务方法耗时。
  • 获取数据库连接耗时。
  • SQL 执行耗时。
  • 外部 HTTP 调用的连接、首字节和完整响应耗时。
  • JSON 序列化耗时。
  • 返回响应的总耗时。

用模拟数据观察因果候选

下面的数据是用于说明分析方法的模拟监控数据,不代表任何实际服务器的监控结果:

进入应用内部:区分计算、等待和外部依赖配图

时间请求速率p95 响应Tomcat 忙碌线程Hikari 等待数应用 CPU数据库活动连接
10:0080 req/s240 ms120 / 300048%55 / 100
10:0582 req/s1,800 ms298 / 3002854%100 / 100
10:1083 req/s3,400 ms300 / 3006757%100 / 100

这里请求量几乎没有明显增加,但 p95、忙碌线程和连接池等待数同步升高,数据库活动连接达到上限。更合理的第一判断是:数据库连接或数据库内部执行出现等待,应用线程被连带占用,Tomcat 线程池只是结果表现之一。

仍需排除以下替代解释:

  • Hikari 连接池被人为调得过小,而数据库实际上还有余量。
  • 某个事务没有及时提交或归还连接。
  • 数据库活动连接达到上限,但大部分连接处于空闲事务状态。
  • 慢响应来自外部 HTTP 调用,恰好与数据库连接池指标同时发生变化。
  • 应用实例数量减少,导致单实例连接池看起来更紧张。

下一步应查看连接获取耗时、事务耗时、慢 SQL、锁等待、数据库 CPU 和存储延迟,而不是直接把连接池上限调大。

JVM 指标要和系统指标同时看

JVM 侧可以重点观察:

  • 堆使用量与最大堆的关系。
  • Old Gen 或老年代增长速度。
  • Young GC 次数和暂停时间。
  • Full GC 次数和暂停时间。
  • 进程 RSS、线程数量和直接内存使用。
  • 类加载、线程阻塞和锁竞争。

在有权限且确认 JDK 版本匹配的前提下,可以使用以下低频采样命令。PID 应替换为实际 Java 进程号,不要用模糊匹配误选其他 Java 服务:

PID=12345

jcmd "$PID" VM.command_line
jcmd "$PID" GC.heap_info
jstat -gcutil "$PID" 1000 10

查看线程栈有助于区分计算和等待:

jcmd "$PID" Thread.print -l > /tmp/spring-thread-dump.txt

线程转储适合在问题现场少量采集。高峰期反复执行可能增加进程负担。类直方图、堆转储等操作可能造成更明显的暂停或产生大量磁盘文件,应先确认磁盘空间、影响范围和回收方式,不要在没有计划的情况下执行。

判断 GC 是否是主因时,不要只看“堆使用率达到多少”。更有价值的组合是:

  • p95/p99 在 GC 暂停时间上升的同一时间变长。
  • Full GC 或老年代回收频率增加。
  • 应用 CPU 中 GC 线程占比升高。
  • 请求速率没有明显增加,但完成速率下降。
  • GC 结束后延迟短暂恢复,随后随着堆再次增长而重复。

如果堆使用率较高,但 GC 暂停很短、线程没有明显阻塞、响应时间也没有同步变化,堆本身未必是当前瓶颈。反过来,即使堆使用率不高,频繁分配和短暂停顿也可能形成长尾。

把数据库和连接池单独拉出来比较

数据库问题经常被误判为“Spring Boot 线程不够”。实际上,应用线程只是等待者,真正的瓶颈可能在 SQL、锁、磁盘或数据库连接数。

应用侧至少观察:

  • 连接池总数、活动数、空闲数。
  • 获取连接等待数和获取连接耗时。
  • 连接使用时间。
  • 连接泄漏检测或未归还连接。
  • 按接口、事务或 SQL 类型统计的耗时。

数据库侧至少观察:

  • 活跃会话数与最大连接数。
  • 数据库 CPU、磁盘读写和存储延迟。
  • 锁等待、事务等待和长事务。
  • 慢 SQL 数量、执行次数和平均耗时。
  • 缓存命中、临时表、排序或扫描量等与数据库类型相关的指标。

可以按下面的方式区分:

应用连接池表现数据库表现更可能的方向
等待连接增加,数据库活动连接未接近上限数据库 CPU、I/O 也平稳应用连接池过小、连接泄漏或连接未及时归还
等待连接增加,数据库活动连接达到上限SQL 耗时、锁等待或数据库资源同步上升数据库执行或锁竞争导致应用排队
连接池活动数不高,但接口耗时上升外部 HTTP span 或业务方法耗时上升非数据库依赖或应用计算
SQL 数量未变,单条 SQL 耗时上升数据库 I/O、锁等待或执行计划相关指标变化数据库侧性能变化
连接池与数据库均正常,但序列化时间上升响应体变大、CPU 或堆分配增加应用组装数据或响应编码变慢

不要因为连接池等待增加就直接扩大池大小。连接池扩大后,可能让更多 SQL 同时进入数据库,反而使 CPU、锁等待和 I/O 延迟进一步上升。调整连接池前应确认数据库连接上限、实例数量、事务时长和数据库承载能力,并保留原配置以便回退。

围绕美国服务器上的Spring Boot接口、数据库与容器化业务,A5数据提供Xeon及AMD EPYC物理服务器,涵盖不同计算、内存与NVMe存储配置,为应用计算、数据库缓存和数据读写提供资源基础。美国常规系列还提供CN2 GIA线路方案,承接跨境访问的网络需求,使应用承载与网络接入都有相应的产品选择。

把主机资源放回同一条时间轴

Linux 的 CPU、内存、磁盘和网络指标都不能脱离应用时间线单独解释。建议在慢响应窗口采集低频、短时数据:

date -u
uptime
free -h
vmstat 1 10
iostat -xz 1 10
pidstat -p 12345 -t -u -r -d 1 10
ss -s
sar -n DEV,ETCP 1 10

其中 iostat、pidstat 和 sar 通常由 sysstat 提供,未安装时应按照发行版的软件源安装,不要直接下载来源不明的二进制文件。命令只做采集,不涉及服务重启或数据修改。

CPU:看运行队列和进程行为

CPU 排查至少同时看:

  • 用户态 CPU。
  • 内核态 CPU。
  • iowait。
  • 运行队列长度。
  • Java 进程 CPU。
  • GC 线程或具体业务线程的 CPU。
  • 容器 CPU quota 和 throttling,如果运行在容器中。

CPU 高、运行队列增长、Java 进程 CPU 与响应时间同步上升,才更接近计算资源不足。若 Java 进程 CPU 不高,但系统 iowait 上升,应用线程可能是在等待磁盘或数据库所在存储,而不是缺少计算能力。

load average 只能表示系统中可运行或不可中断等待的任务数量,不能直接等同于 CPU 利用率。高 load 但 CPU 空闲,可能与磁盘等待有关;多核机器上,load 还应结合 CPU 核数和运行队列判断。

内存:区分堆压力、系统回收和交换

内存相关指标应同时观察:

  • JVM 堆使用和回收。
  • Java 进程 RSS。
  • 系统可用内存。
  • Swap 使用量和换入换出。
  • Major page fault。
  • 容器 memory limit 与 OOM kill。
  • 文件缓存和内核内存。

如果慢响应时间与 Swap 换入换出、Major page fault 同时升高,应用和数据库都可能受到内存回收影响。若 JVM 堆看起来正常,但 RSS 持续增长,则要考虑直接内存、线程栈、内存映射文件、类元数据或本地库占用。

内存不足的判断也不能只看 free 很小。Linux 会使用空闲内存做文件缓存,应结合 available、swap 活动和进程 RSS 判断。若发生 OOM kill,应用可能已经重启或连接被切断,此时要把进程退出时间与 502/503、负载均衡健康检查一起核对。

I/O:确认是谁在等待磁盘

iostat -xz 中常见的观察项包括:

  • 设备利用率。
  • 请求等待时间。
  • 读写吞吐。
  • IOPS。
  • 队列深度。

当应用响应时间、数据库 SQL 时间和设备等待时间同步上升,数据库或日志写入是重要候选。如果只有单个设备利用率高,还需确认该设备对应数据库文件、日志文件、容器存储还是系统日志。

进程级 pidstat -d 能帮助判断 Java 进程是否直接产生大量读写,但数据库进程可能是实际 I/O 使用者。不要把应用进程低 I/O 解读成“没有 I/O 瓶颈”,因为应用可能只是等待数据库完成磁盘操作。

网络:区分带宽、连接和重传

网络排查可以关注:

  • 入站和出站吞吐。
  • TCP 建连数量。
  • 重传、丢包和连接重置。
  • 监听队列与已建立连接数。
  • 网卡错误和丢弃。
  • 容器或云平台的带宽限制。
  • Nginx 与 Spring Boot 之间的连接复用情况。

如果 TCP/TLS 时间上升、重传增加,但 Nginx 的上游处理时间稳定,优先检查客户端到美国服务器之间的链路、入口负载均衡或 TLS 终止层。如果上游连接建立时间上升,同时应用实例连接数和文件描述符接近限制,则要检查后端接入能力。

响应体大小变化也会制造“网络变慢”的假象。例如接口原本返回 200 KB,后来返回 2 MB,即使服务器处理时间不变,完整响应时间也可能明显增加。应把 size_download、带宽和 time_total 一起比较,而不是只看 p95。

用多指标联动形成判断

下面的矩阵适合作为第一次归类,但每一项都需要通过替代解释和复测确认:

响应表现同步变化的指标初步判断首先排除的替代解释
p95、p99 上升,DNS/TCP/TLS 上升,应用耗时稳定重传、连接失败或入口错误增加链路、TLS 或入口层探测点变化、DNS 缓存失效、客户端地区差异
p95 上升,Nginx 上游首字节时间上升Web 线程忙碌数、应用队列或连接池等待增加应用处理或依赖等待请求参数变化、实例数量减少
p95 上升,CPU 和运行队列同步上升Java 进程 CPU 高,GC 或业务线程占用增加CPU 计算或 GC 压力流量突增、单个异常请求占用 CPU
p95 上升,CPU 不高但数据库连接池 pending 上升数据库活动连接、锁等待或 SQL 时间上升数据库或连接池等待连接池设置过小、连接泄漏
p95 上升,iowait 和设备等待时间上升数据库或应用 I/O 同步变慢存储 I/O日志突增、备份任务、其他进程抢占
完整响应时间上升,首字节基本稳定响应体变大、出口带宽或重传增加响应发送阶段或网络客户端读取慢、代理层限制
504 增多,p99 接近固定超时值某个依赖调用或代理超时超时配置或下游不可用客户端提前断开、健康检查异常
499 增多,应用 5xx 不明显客户端等待超过自身超时用户侧或上游代理放弃服务端发送慢、响应体传输受阻

典型场景一:CPU 不高,但应用已被数据库拖慢

模拟时间序列如下:

时间p95Tomcat 忙碌线程CPUGC 暂停Hikari pending数据库锁等待
正常窗口220 ms90 / 30046%8 ms00
慢响应开始1,100 ms250 / 30051%9 ms1438
慢响应持续2,600 ms300 / 30053%10 ms6172

这里 CPU 和 GC 变化有限,但连接池等待、线程占用和锁等待同步增加。判断重点应放在长事务、锁竞争、SQL 执行顺序和连接归还时间,而不是立即增加 CPU 或调整 JVM 堆。

复测时可以选择同一接口、相近请求速率和相同参数,在确认业务允许的测试环境或低流量时段观察:

  • 锁等待下降后,连接池 pending 是否同步下降。
  • Tomcat 忙碌线程是否回落。
  • p95 和 p99 是否恢复。
  • 数据库 CPU、I/O 是否出现新的上升。

如果锁等待消失但响应仍慢,就要回到外部调用和应用业务方法耗时,不能继续沿用数据库结论。

典型场景二:CPU 和 GC 同步升高

另一组模拟数据:

时间请求速率p95Java 进程 CPUFull GC 次数GC 暂停 p99运行队列
正常窗口100 req/s180 ms52%015 ms2
慢响应开始102 req/s720 ms86%3180 ms9
慢响应持续101 req/s1,900 ms94%12640 ms18

请求量基本稳定,但 Java CPU、Full GC、GC 暂停和运行队列一起上升,这比“CPU 达到 94%所以变慢”更有解释力。下一步应查看对象分配、老年代增长、堆参数、响应体变化以及最近发布的代码路径。

如果只看到 CPU 94%,但 GC、线程栈和请求处理耗时没有同步变化,也可能是压缩、加密、JSON 序列化、正则处理或其他业务计算占用 CPU,需要用线程采样或性能分析确认具体代码路径。

按由外到内的顺序完成复测

一次完整排查可以按以下顺序执行,避免同时改变多个变量:

按由外到内的顺序完成复测配图

  1. 固定请求样本。 选择一个具体接口、方法、参数类型和响应体范围,记录客户端区域、请求速率和时间点。
  2. 采集客户端与入口数据。 对照 DNS、TCP、TLS、首字节、完整响应时间,以及 Nginx 的 request_time 和 upstream 时间。
  3. 采集应用排队数据。 查看请求量、p95/p99、在途请求、Web 线程、事件循环、连接池等待和外部调用耗时。
  4. 采集数据库数据。 对照连接数、SQL 时间、锁等待、事务时长、CPU 和存储延迟。
  5. 采集主机资源。 同一时间段查看 Java 进程 CPU、系统运行队列、GC、堆、RSS、Swap、I/O 和网络重传。
  6. 只选择一个候选因素验证。 例如先验证某个慢 SQL 或外部接口,而不是同时扩大线程池、重启应用和增加数据库连接。
  7. 观察恢复过程。 判断队列是否排空、p95/p99 是否下降、错误率是否稳定,以及数据库或主机资源是否出现新的压力。

复测成功不能只看某个延迟数字下降。更可信的结果应同时满足:

  • 同一接口、相近流量和相同探测点下,p95、p99 均有改善。
  • 请求完成速率恢复,排队数量不再持续增长。
  • 502、503、504、499 或超时没有转移到其他层。
  • CPU、GC、数据库连接、I/O 和网络指标没有出现新的持续性异常。
  • 在足够长的观察窗口内,指标不会再次回到慢响应状态。

如果需要修改 Nginx、JVM、线程池或数据库连接池配置,应先保存原配置、记录变更时间和影响实例。一次只改变一个关键参数,确认效果后再决定是否保留;效果变差时恢复原配置并重新加载。不要用连续重启代替定位,因为重启会清空线程栈、连接状态、队列和部分 JVM 现场。

下一轮排查应同时观察的指标组合

后续遇到美国服务器上的 Spring Boot 响应变慢,建议至少保留下面几组同时间轴数据,而不是只截图 CPU:

  • 链路组: DNS、TCP、TLS、首字节、完整响应时间、响应体大小、重传。
  • 入口组: Nginx request_time、upstream_connect_time、upstream_header_time、upstream_response_time、502/503/504/499。
  • 应用组: 请求速率、完成速率、p50/p95/p99、在途请求、Web 线程或事件循环状态。
  • JVM 组: Java 进程 CPU、堆与 RSS、GC 次数、GC 暂停、线程阻塞和线程数量。
  • 数据库组: 连接池 active/pending、连接获取耗时、SQL 耗时、活动会话、锁等待、数据库 CPU 和存储延迟。
  • 主机组: 运行队列、用户态 CPU、iowait、Swap、磁盘等待、网卡吞吐、TCP 重传。

当其中至少两到三组指标在同一时间发生有方向关系的变化,并且能够排除流量、参数、部署、定时任务和探测点变化时,才适合把结论收敛到应用瓶颈、数据库瓶颈、主机资源瓶颈或链路瓶颈。这样得到的判断比“CPU 没满所以不是服务器问题”或“响应时间升高所以一定是 Spring Boot 问题”更接近真实故障链路。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/3564.html

相关推荐